一代版本一代神

朋友，我最近在看 AI 短剧，你有看吗？我以研究的心态看了一点：《归墟》描述一个被黑雨侵蚀的，所有生物包括人类都开始大规模变异的末日世界。《妖怪衙门》则讲述了一个妖怪与人类共存的世界，围绕乌有乡的衙门所发生的故事。

抛开 AI 生成画面所产生的油腻感之外，这两个短剧让我能够追得下去，还在于它们的剧本十分精彩。我喜欢《归墟》是因为它的设定环环相扣，十分缜密，为了交代黑雨对生物的影响，故事里安排主角主动感染黑雨，并由他以第一人称视角来阐述这种感染的后果，显然要比直接用旁白来描述，更令人感到有说服力。播放量高达 40 亿的 AI 短剧《持械入宋》，其内容风评甚佳，很多人提到通过它学到了组织骑兵冲锋、士兵着甲等知识。

朋友，你有没发现，同为短剧，AI 短剧和短剧，风格有相当的不同——AI 短剧可能真的没法使用明星来兜底，在制造戏剧性冲突这部分可能也无法与短剧相比，所以故事内容多多少少比较硬核，更注重细节的打磨。很多 AI 短剧的作者不是中央戏剧学院这类科班出身，《持械入宋》背后的「瑾叶剧场」都「不是影视专业毕业生，在接触 AI 前多为网约车司机、宝妈、送货员、普通职工等，以线上协作的方式参与制作。」，创始人张汉生 53 岁。（来源）

最近流行「一代版本一代神」的说法，显然 AI 短剧是新一代版本，而每一次新版本的到来，势必令某些「草根」逆袭「成神」。瑾叶剧场就是如此。看到张汉生 53 岁还能有如此成就，朋友，我不知你会做如何感想？我的感想是，牢牢抓住版本更新的机会，比起什么都重要。

「对话」不是 Agent 唯一的交互方式

当前 Agent 总是以「对话」作为信息呈现，和操作的方式。Agent 自有十八般武艺可以处理这些。但是，我还是不得不发现，如果与 Agent 的互动，只有「对话」这一种形式，很多时候效率非常低下。

我自己有实际例子：我有一个由 Pi 运营的媒体工作室，它搜集素材，处理素材，写成文稿，然后发布。但是，不会所有稿子都能够合我心意，但每一次我都要另外打开一个 Markdown 编辑器来处理文稿，再告诉它去发布，这个流程、工具上的频繁切换所造成的摩擦，很是让人心累。还有就是，LLM 挑选的素材永远不可能完全满意，重新发现素材寻找素材的过程，就比较折磨了，在对话界面里，Agent 有时会列出完整的清单，有时不会，有时只会列出标题不带链接。

所以最近，我还是通过其它开源项目的基础上魔改了一个媒体工作台出来，它包含了我所有的流程，从搜集到写稿到发布。但所有操作都包含在统一的界面里，我需要的特性直接以按钮呈现，我不必再反复手动输入一长串文字来对内容，或选题进行修改。我这里不是否认 Agent 在自动化处理方面的作用，相反，这个媒体工作台的大部分流程都仰赖 Agent，只不过关键步骤，比如选题，改稿，和发布的时机，则是有人参与。我还保留了对话框，因为有时候，与 Agent 的直接沟通也是必要的。

从以上可以看出，我仅仅反对把「对话」当成与 AI 交互的唯一界面，在一些必要环节上，应当保留图形化界面的便利之处——一个按钮可以封装好的操作，就不必多打三段话。总之，这个工作台搞定了之后，我个人觉得每天的精力好了很多。

Lifestreams，和现代 AI OS 的一种关联

Lifestreams: a storage model for personal data 是 1996 年耶鲁大学发表的论文，及其产品原型在早期人机界面，人机接口的探索上，似乎占据着一个重要的地位，它总是很容易被不同的人，在不同时间点提起。其中不乏 Jaron Lanier、Stewart Brand、Steven Levy 等技术哲学家、硅谷精英。

直到今天，你都会觉得 Lifestreams 的想法与众不同。

用户打开 Lifestreams，看不到任何文件夹，首先看到的是一个重叠着 n 份文档的信息流，所有信息都在上面，包括要发送的邮件，今天的支出收入等等。然后，用户可以根据搜索的关键字，从这个总的信息流中分化出不同的子流。每个子流还可以包含独特的文档类型。

Lifestreams 还有 2 个信息处理器：Summarize 和 Agent。Summarize 是针对某个子流里文档，将其中信息进行整理，以合适的形式展现出来，论文中以股价信息为例，一连串的股价信息文档，可以压缩成一个股价走势图。如果是财务信息，还可以根据收入、支出的类型画成一个饼图。每一个 Summarize 生成的「概览」都会以文档的形式保存起来。

Agent 和现在流行的 AI Agent 概念完全不一样，它是一段特殊的程序，可以嵌入到文档、信息流或其它用户界面上，它可以自动化处理某些任务，或者是添加新的功能，和界面。论文中举例，比如有一个电话代理，如果激活它，会弹出对话框，然后输入对方的名字，代理会在信息流中寻找对应的名片，找到后提取里面的电话号码。Agent 的界面和操作完全可以由用户定义，我举例的这个电话代理，它就是由用户所写。

——所谓「生成式 UI」，还有「可塑化软件」这类当前看上去正在实现的理念，早在 20 多年前提出来了。不过，这其实不重要。因为如果你仔细看看 Lifestreams 的这套机制，你会发现它动摇的，其实是自施乐（Xerox）以来桌面操作系统的隐喻——桌面，文件夹，文件这套隐喻；乃至于现代软件产业的前提，不同的信息（数据），需要通过不同的专门软件进行处理。

在 Lifestreams 中，数据不需要保存为文件形式，甚至连文件名都不需要；针对不同类型的数据，只需要从总流中分出子流即可；而针对不同信息（数据）的处理，Summarize 和 Agent 则可以代劳，前者解决数据以何种形式呈现的问题，后者解决数据以何种方式操作的问题。当信息（数据）从软件中解放出来，还原成信息流（数据流），并使用 Lifestreams 这种方式来交互的话，我可以大胆这么说 Lifestreams 就是一个操作系统。

那么它和题目中提到的 AI OS 是什么关系呢？在 GPT-4 出来之后，已经有预言家说 AI 将在当前操作系统之上，另外形成一个操作系统层。我认为，预言十分准确。很多人已经懒得打开具体的应用了，取而代之的是让 AI 代劳。最近 GrokBot、Muse、ChatGPT Dots、Claude Dou 的出现，更让这条预言落到了实处，我看到有人用它经营十几个媒体和社群，有人用它来控制烤炉做菜，甚至说完全让它来承包一次旅游，旅游攻略、订票、订房统统都让它来。——但是有些对话如果是一而再再而三地重复，就太麻烦了。这是我一直比较疑惑的，因为我有实际的经历—

我有一个由 Pi 运营的媒体工作室，它搜集素材，处理素材，写成文稿，然后发布。但是，不会所有稿子都能够合我心意，但每一次我都要另外打开一个 Markdown 编辑器来处理文稿，再告诉它去发布，这个流程、工具上的频繁切换所造成的摩擦，很让人心累。所以最近，我还是通过其它开源项目的基础上魔改了一个媒体工作台出来，它包含了我所有的流程，从搜集到写稿到发布。但所有操作都包含在统一的界面里，我需要的特性直接以按钮呈现，我不必再反复手动输入一长串文字来对内容，或选题进行修改。我这里不是否认 Agent 在自动化处理方面的作用，相反，这个媒体工作台的大部分流程都仰赖 Agent，只不过关键步骤，比如选题，改稿，和发布的时机，则是有人参与。我还保留了对话框，因为有时候，与 Agent 的直接沟通也是必要的。

大神 Andrej Karpathy 应该也支持我的观点，他最近的 tweet 就分享了自己与 Agent 的沟通方式，使用 ASD-STE100 语言、图标还有 HTML 来承载沟通的内容，而不是通过反复对话。他的分享其实表达了同样的观点：「对话」不应该成为与 Agent 互动的唯一界面。

回头看我的工作台，它做的事情很简单：把我反复要说的那些话，固化成了按钮。这让我重新想起 Lifestreams。

Lifestreams 当年已经给出了答案的骨架：信息不归属于任何软件，统统放进一条流里；要看某一类信息，就从总流里分出子流；至于这类信息怎么呈现、怎么操作，交给 Summarize 和 Agent 这两个处理器。但这个答案在当时并没有成立，问题出在处理器上——处理器得有人来写。论文里的电话代理，是一位高级用户写的，大约 150 行代码；另外，作者自己也承认，编写代理的编辑器「很简陋」。Summarize 在最终评估中只占全部操作的 1.4%，作者的解释是有用的汇总器太少，用户也提出想要更多的类型。说到底，只有会写程序的人才能为自己的信息造一个界面，而大多数人不是程序员。

今天的 AI 恰好补上了这一环。但我觉得它补上的方式，并不是把 Lifestreams 里的 Agent 直接换成现在的 AI Agent——那样的话，我们只是把对话框搬进了信息流里，每次处理还是要重新对话一遍。AI 真正适合的位置，是处理器的作者：我用一句话描述我想要的界面，它写出这个处理器；之后每次打开，处理器直接运行，不再需要对话。对话只发生在设计的那一刻，留下来的是界面。

这是我在 Supertag（一个 Emacs 的笔记插件）上做的实验。Supertag 里有一个总流，所有笔记按时间排列；给笔记打上 #contact，它就进入联系人的子流。我对这条子流说一句：「联系人按社交等级分组，按一个键记下今天联系过。」模型写出一个代理，装上之后，这条流就变成了一个联系人管理界面：哪些人是核心、哪些人很久没联系，一眼就能看到；按一个键，就把今天的日期写进那条笔记。我没有安装任何联系人软件。项目也一样：一句话，项目的子流就把接下来要做的事排在最上面，已经过期的单独一组，任务挂在所属的项目下面。不满意，就再说一句修改它，让它一点点变成我想要的样子。

这里有两个处理器，分工和 Lifestreams 一致：Summary 负责汇总，适合做阶段性的概览；Stream Agent 负责操作，为一类信息生成专门的操作界面——怎么分组、每条显示什么、按哪个键改什么。它们和 Lifestreams 也有不同：Lifestreams 的概览是一份存下来的快照，Supertag 的概览每次打开都用当前的数据重新画；Lifestreams 的代理是藏在菜单里的一段脚本，Supertag 的代理直接就是一个界面。

做这个实验的过程中，我有几点结论。

第一，数据要比处理它的程序活得久。现在的 AI OS 恰恰在这里和 Lifestreams 相反：AI 叠在应用之上，替你去点按钮，数据还锁在一个个应用里，对话结束了，什么也没留下。Supertag 的规矩是，文本（Org 文件）是唯一真相，流只是一个视图；代理不新建笔记，只读取、只修改属性。哪天代理坏了、删了，笔记还在，换一个代理照样能用。

第二，模型只在被叫到的时候出场。Lifestreams 的代理是由事件触发、自己运行的，作者甚至戏称它为「良性病毒」。如果把这个位置直接交给大模型，就等于让一个输出不稳定的东西在后台自动改你的数据。所以在 Supertag 里，自动运行的部分都是确定的：规则、已经生成好的代理代码，都不调用模型；调用模型只发生在我主动按下的时候——设计一个代理、修改一个代理，或者某个明确的按钮。这和我的媒体工作台是同一个道理：大部分流程交给 Agent，关键的决定留给人。

第三，生成出来的界面，只能用一组可信的基础组件来搭。Lifestreams 的代理可以是任意代码；Supertag 的代理在装上之前，要先通过一组规则检查，比如每条笔记都要有归属、修改之后界面要能 生成。模型的能力有高有低，但界面的底线是固定的。

当我这么想的时候，我发现了一个新的世界：用户不必困在对话框里，也不必困在一个个应用里，按需分成不同的流；每一种信息都有专门的界面，却不再需要专门的软件；每一份文档都可以被 Agent 修改，但不必每一次都通过对话。

回头看 Lifestreams，它缺的从来不是想法，而是处理器的作者。今天这个作者终于出现了。这才是我理解的 AI OS：不是在应用之上再叠一层对话框，而是让对话的结果沉淀成界面，让信息从软件里解放出来。

PS：Lifestreams 还有很多其它优秀的理念，但由于与本次讨论的题目不合，就不一一列举了。

回老家拜山

照例重阳回老家拜山，回到老家的下午，我和父亲，还有从广州赶来的堂叔，拿好精钢锄头和钩镰刀，就上山披荆斩棘，清理山路。

今年可能因为有人上山采松香松脂，所以到家族墓地的那条山路不再长满杂草，清理起来比去年都要简单。不到一小时，就一路清理到了家族墓园。去年就我和父亲两人清理，一路艰难，台风风力猛，又刚刮过，一路上不光杂草丛生，最难处理的，那些从中折断的树。那时辛辛苦苦搞到墓园后，还发现有一颗碗口大的树，折断了，架在墓园边，树头一侧正好在墓碑之上，父亲和我费尽九牛二虎之力，才终于把这棵夭折的树从墓园移走。

尽管如此，墓园的清理和去年一样麻烦。经历多年，墓园的水泥这些已经老化，墓碑、地面总长满了芒草，又滑又坚韧，而且有的长在墓碑之上，砍不顺手，非常费劲。

去年留在墓园里的扫帚，扫帚的头已经腐烂，拿起晃两晃，就只剩下光秃秃的扫把了。墓园里，黄色的落叶已经铺满地，没有扫帚，光用砍下来的芒草做扫帚，扫得腰酸背痛。

堂叔和父亲都是认真仔细的人，一边闲聊，一边将地面，墓边清理得干干净净，我也就大概清理一些，但完全没有两个老人轻松。

从山上下来，我其实非常困倦，但父亲还是神采奕奕，与老家的朋友不停聊天，完全不觉累，真是佩服极了

去美食节玩

周日下午 5 点，与妈妈出发，去海天公园举办的粤港澳美食嘉年华。一下车，来到入口，就感受到活动的热浪，哪里都是人，用「摩肩接踵」这个成语形容毫不为过。

这一次由政府主导的美食嘉年华，的确汇聚了珠海知名餐饮品牌。比较有趣的，还有一个粤港澳挑战赛作品——这个挑战赛难道有在电视台播出么？不过，由于我家里人一般不看珠海电视台，所以有可能错过了也不一定。

我觉得每一个餐饮品牌都非常认真地准备了本次的活动，提供了代表性的产品，让人过来享受和感受。一些定位较为高端的，还推出套餐，让人 68 元就能吃到一只小青龙。

我和妈妈吃了：蛋挞，牛杂，咖喱角，羊杂，羊肉烧卖，羊肉汤面，一共用了 150 元。

爆肚原来有这么多讲究

看到这个知乎的回答才知道，原来小小一份爆肚的讲究可多了，光部位就有：食信，肚仁，肚领，肚板，蘑菇头等，做法还有水爆、油爆两种。

真是不了解都不知道，答主也是食客，看他怎么享受一份爆肚的：

自带一个二两的扁瓶二锅头，进门先点一盘食信，一份小料，单上一碗香菜。

食信吃差不多了，再下单一盘蘑菇头或是肚领，比食信软和，也是下酒的好菜，再喝一两酒。分开下单，是因为他家爆肚上菜快，一起点就凉了。，爆肚一凉就硬，跟皮条一样，没法吃了。

喝完酒，来一盘百叶或者肚仁，这时候第一碗麻酱小料也差不多吃完了，再加一碗麻酱，一个烧饼，百叶和肚仁适合就着烧饼吃，吃饱喝足了，来瓶北冰洋漱漱口，后海边上溜达溜达晒晒太阳，看看老头下棋。

其它

• 我最近重温《麻辣教师 GTO》的动漫版，剧情依然经典，虽然比漫画版要删减了很多不适合在电视上播出的内容。它真是一个成功的漫画 IP，无论动漫，还是电视剧，都十分经典。我大概是 20 多年前看过这部漫画，当时它其实已经在讨论「原生家庭」的问题了。

• 回顾前苹果交互设计师 Bret Victor 的《可学习的编程语言》，主要探索将编程语言的求值过程可视化

• 让两台数字设备一起玩的双人游戏 bigboard.game，非常绝妙的想法。其技术主要来自之前的一个技术展示，有开发者站是使用两个 Chrome 浏览器，但相互之间传递信息流，甚至可以产生互动。

• LindPad OS 令 iPad 以 App 的形式运行完整运行的 Linux。可以做很多事情，比如说，在上面跑个 Emacs。